I. La lógica del análisis multivariante. Objetivos y clasificación del análisis multivariable. El concepto de variable de control. El concepto de interacción entre variables. El modelo de correlación espuria. El modelo de intervención. El modelo multicausal. La aparente no correlación. La confirmación.

II. Técnicas clasificatorias de análisis multivariante: El análisis de segmentación. El análisis de segmentación: finalidad y requisitos. Variable dependiente y predictores. Algoritmos de segmentación. Representación gráfica e interpretación.

III. Técnicas multiexplicativas de análisis multivariante. La regresión múltiple. Regresión múltiple: aplicación y requisitos. Coeficientes típicos. Regresión parcial y múltiple. Algoritmos de introducción de variables. Variables ficticias.

IV. Otra técnica multiexplicativa de análisis multivariante. La regresión logística. Razones y logits. La regresión logística. La estimación por máxima verosimilitud de parámetros. Interpretación de los parámetros. La búsqueda de modelos. La tabla de clasificación. Cálculo de ajustes. Extensión del modelo: probit y modelos log-lineales.

Es requisito indispensable presentar un trabajo utilizando las técnicas de análisis aprendidas, que pesará el 40% en la evaluación final.

Este trabajo contendrá el siguiente esquema:

• Introducción
• Marco teórico
• Datos
• Análisis
• Discusión de resultados
• Conclusiones

Cea, M. Ángeles, Análisis multivariable: teoría y práctica en la investigación social, Madrid, Síntesis, 2002.

Díaz de Rada, V. Técnicas de análisis multivariante para investigación social y comercial. Madrid: Ra-Ma, 2002.

Escobar, M., El análisis de segmentación: técnicas y aplicaciones de los árboles de clasificación, Madrid: CIS. 2007.

Escobar, M. at al. Análisis de datos con Stata, Madrid: CIS. 2021.

Escobar, M., “El análisis multivariante”, en M. García Ferrando, F. Alvira, L. E. Alonso y M. Escobar (eds.) El análisis de la realidad. Métodos y técnicas de investigación, Madrid: Alianza, 2015.

García Ferrando, M. y Escobar, M., Socioestadística, Madrid, 2017.

García Jiménez, E. et al. Análisis factorial, La Muralla-Hespérides, 2000.

Gujarati, D.N., Econometría, Madrid, McGraw Hill, 1997.

Hair, J.F. et al., Análisis multivariable, Madrid, Prentice Hall, 1999.

Martínez Arias, R., El análisis multivariante en la investigación científica, Madrid, La Muralla-Hespérides, 1999.

Página web de la asignatura: https://sociocav.usal.es/me/analisis22/

Otras páginas: http://www.ine.es, http://www.cis.es

En cada tema se hará una prueba de evaluación. Todas estas evaluaciones teóricas han de tener una calificación mínima de 4 y equivaldrán al 50% de la calificación final, mientras que el peso de la parte práctica será del 50%.

-Comprensión adecuada de los conceptos

-Correcta interpretación de los datos

-Relación de la teoría y el conocimiento sociológico con la interpretación de los datos.

Superar esta asignatura comporta cuatro criterios necesarios:

1) La nota de las pruebas presenciales/virtuales. Se promediarán las cuatro realizadas. En el caso de que la media sea igual o superior a 4.0 contribuirá con un 50% de la nota final

2) La nota del trabajo final, siempre y cuando sea superior a 4.5.

3) Las 4 notas de las prácticas de interpretación, siempre y cuando no haya ninguna puntuada con E y al menos una de ellas haya sido evaluada con una C.

4) El número de realizaciones prácticas de ordenador ha de ser como mínimo de 7.

La nota obtenida en 2 será incrementada en un 10% con la puntuación obtenida en 3. El resultado de la suma contribuirá en un 50% a la nota final.

El día oficial del examen en enero, el estudiante podrá presentarse a cualquiera de las pruebas teóricas.

Los estudiantes que deseen obtener una clasificación de sobresaliente o matrícula habrán de hacer el mismo día de enero un examen teórico de toda la asignatura. Asimismo, habrán de hacer la prueba completa quien tenga tres o más pruebas con menos de 4.

Quienes no tengan cubierto el criterio 3 habrán de depositar la práctica en Studium (Repositorio de trabajos) antes del día que se determine a las 23:55 horas.

Quienes no tengan cubierto el 4 criterio deberán superar una práctica de ordenador en la que demuestre el conocimiento básico de SPSS y Stata.

- Que se asista a clase

- Que se siga la asignatura a lo largo del curso

- Que se hagan los ejercicios

- Que se consulten dudas en tutorías

- Que se estudie la materia

- Que se consulten en tutorías los errores cometidos en pruebas y ejercicios

- Que se estudie y se mejoren las prácticas, en su caso.